5.7 COCO数据集概览

5.7 COCO数据集概览

COCO数据集是一个大规模的对象检测、分割和标注数据集，设计用于促进对象类别的学术研究，常用于检测计算机视觉模型的标准实验。它是对象检测、分割和姿态估计任务的基础数据集，应用应用于访问和基准评估。

观看：Ultralytics COCO数据集概览

COCO预训练的模型

模型	大小(pixels)	mAPval 50-95	速度 CPU ONNX (ms)	速度 T4 TensorRT10 (ms)	参数(M)	FLOPs(B)
YOLO11n	640	39.5	56.1 ± 0.8	1.5 ± 0.0	2.6	6.5
YOLO11s	640	47.0	90.0 ± 1.2	2.5 ± 0.0	9.4	21.5
YOLO11m	640	51.5	183.2 ± 2.0	4.7 ± 0.1	20.1	68.0
YOLO11l	640	53.4	238.6 ± 1.4	6.2 ± 0.1	25.3	86.9
YOLO11x	640	54.7	462.8 ± 6.7	11.3 ± 0.2	56.9	194.9

主要特性

• COCO数据集包含33万张图像，其中20万张图像带有对象检测、分割和标注。

• 数据集包含80个对象类别，包括车辆、自行车、动物等常见的对象。

• 注释包括对象边界框、分割面线和图像标注。

• COCO提供标准的评估指标，如对象检测的均值精度(mean Average Precision, mAP)和分割的均值回取(mean Average Recall, mAR)。

数据集结构

COCO数据集分为三个子集合：

1. Train2017: 包含11.8万张图像，用于对象检测、分割和标注模型的训练。

2. Val2017: 包含5000张图像，用于训练过程中的验证目的。

3. Test2017: 包含2万张图像，用于训练和标准检测，这个子集合的标注数据不公开，需提交到COCO评估服务器进行性能评估。

应用场景

COCO数据集常用于训练和评估深度学习模型，如对象检测（YOLO、Faster R-CNN、SSD）、实例分割（Mask R-CNN）和关键点检测（OpenPose）。它实现的多样化对象类别和标准评估指标，使它成为计算机视觉研究和应用的重要资源。

数据集YAML配置文件

YAML文件用于定义数据集的配置，包括数据集的路径、类别信息等关键配置。COCO数据集的YAML文件，在以下地址可查看：https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml。

训练示例

使用以下代码使用COCO数据集训练YOLO11n模型，训练100轮，图像大小为640：

Python

from ultralytics import YOLO

# 载入一个模型
model = YOLO("yolo11n.pt")  # 载入预训练的模型（推荐用于训练）

# 训练模型
results = model.train(data="coco.yaml", epochs=100, imgsz=640)

示例图像和注释

COCO数据集包含多样化的对象类别和复杂的场景，下面是数据集中的一些示例图像，与对应的标注：

示例图像示意图：这带有多图像组合的训练数据集示意图，在训练过程中合并多张图像以增加训练数据的多样性，这个方法有助于模型的应用应对不同的对象大小和边界信息。

引用和致谢

如果您在研究或开发工作中使用了COCO数据集，请求引用下列文献：

BibTeX

@misc{lin2015microsoft,
      title={Microsoft COCO: Common Objects in Context},
      author={Tsung-Yi Lin and Michael Maire and Serge Belongie and Lubomir Bourdev and Ross Girshick and James Hays and Pietro Perona and Deva Ramanan and C. Lawrence Zitnick and Piotr Dollár},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

我们在此向COCO联盟致意，感谢其创建和维护这个对象检测的重要资源。如需详细信息，请访问COCO数据集网站。